名称： context-optimizer
描述： 为 DeepSeek 的 64k 上下文窗口提供高级上下文管理，具备自动压缩和动态上下文优化功能。特性包括智能压缩（合并、总结、提取）、查询感知相关性评分以及带上下文归档的分层记忆系统。优化事件会记录到聊天中。
主页： https://github.com/clawdbot/clawdbot
元数据：
clawdbot:
emoji: "🧠"
requires:
bins: []
npm: ["tiktoken", "@xenova/transformers"]
install:
- id: npm
kind: npm
label: 安装 Context Pruner 依赖
command: "cd ~/.clawdbot/skills/context-pruner && npm install"

上下文修剪器

专为 DeepSeek 的 64k 上下文窗口优化的高级上下文管理工具。提供智能修剪、压缩和令牌优化，防止上下文溢出，同时保留重要信息。

核心特性

• DeepSeek 优化：专门针对 64k 上下文窗口调优
• 自适应修剪：基于上下文使用情况的多种策略
• 语义去重：移除冗余信息
• 优先级感知：保留高价值消息
• 令牌高效：最小化令牌开销
• 实时监控：持续跟踪上下文健康状况

快速开始

使用动态上下文进行自动压缩：

import { createContextPruner } from './lib/index.js';

const pruner = createContextPruner({
  contextLimit: 64000, // DeepSeek 的限制
  autoCompact: true,    // 启用自动压缩
  dynamicContext: true, // 启用基于相关性的动态上下文
  strategies: ['semantic', 'temporal', 'extractive', 'adaptive'],
  queryAwareCompaction: true, // 基于当前查询相关性进行压缩
});

await pruner.initialize();

// 使用自动压缩和动态上下文处理消息
const processed = await pruner.processMessages(messages, currentQuery);

// 获取上下文健康状态
const status = pruner.getStatus();
console.log(`上下文健康度: ${status.health}, 相关性分数: ${status.relevanceScores}`);

// 需要时手动压缩
const compacted = await pruner.autoCompact(messages, currentQuery);

归档检索（分层记忆）：

// 当信息不在当前上下文中时，搜索归档
const archiveResult = await pruner.retrieveFromArchive('关于先前对话的查询', {
  maxContextTokens: 1000,
  minRelevance: 0.4,
});

if (archiveResult.found) {
  // 将相关片段添加到当前上下文
  const archiveContext = archiveResult.snippets.join('\n\n');
  // 在提示中使用 archiveContext
  console.log(`找到 ${archiveResult.sources.length} 个相关来源`);
  console.log(`从归档中检索到 ${archiveResult.totalTokens} 个令牌`);
}

自动压缩策略

1. 语义压缩：合并相似消息而非删除
2. 时序压缩：按时间窗口总结较旧的对话
3. 提取式压缩：从冗长消息中提取关键信息
4. 自适应压缩：根据消息特征选择最佳策略
5. 动态上下文：基于与当前查询的相关性过滤消息

动态上下文管理

• 查询感知相关性：基于与当前查询的相似性为消息评分
• 相关性衰减：较旧对话的相关性分数随时间衰减
• 自适应过滤：自动过滤低相关性消息
• 优先级整合：结合消息优先级与语义相关性

分层记忆系统

上下文归档提供类似 RAM 与存储的架构：

• 当前上下文 (RAM)：有限（64k 令牌），快速访问，自动压缩
• 归档 (存储)：更大（100MB），较慢但可搜索
• 智能检索：当信息不在当前上下文时，高效搜索归档
• 选择性加载：仅提取相关片段，而非整个文档
• 自动存储：压缩后的内容自动存入归档

配置

{
  contextLimit: 64000, // DeepSeek 的上下文窗口
  autoCompact: true, // 启用自动压缩
  compactThreshold: 0.75, // 在 75% 使用率时开始压缩
  aggressiveCompactThreshold: 0.9, // 在 90% 时进行激进压缩

  dynamicContext: true, // 启用动态上下文管理
  relevanceDecay: 0.95, // 相关性每步衰减 5%
  minRelevanceScore: 0.3, // 保留的最小相关性分数
  queryAwareCompaction: true, // 基于当前查询相关性进行压缩

  strategies: ['semantic', 'temporal', 'extractive', 'adaptive'],
  preserveRecent: 10, // 始终保留最后 N 条消息
  preserveSystem: true, // 始终保留系统消息
  minSimilarity: 0.85, // 语义相似度阈值

  // 归档设置
  enableArchive: true, // 启用分层记忆系统
  archivePath: './context-archive',
  archiveSearchLimit: 10,
  archiveMaxSize: 100 * 1024 * 1024, // 100MB
  archiveIndexing: true,

  // 聊天日志
  logToChat: true, // 将优化事件记录到聊天
  chatLogLevel: 'brief', // 'brief'（简要）、'detailed'（详细）或 'none'（无）
  chatLogFormat: '📊 {action}: {details}', // 聊天消息格式

  // 性能
  batchSize: 5, // 批处理的消息数量
  maxCompactionRatio: 0.5, // 单次压缩的最大比例（50%）
}

聊天日志记录

上下文优化器可以将事件直接记录到聊天：

// 示例聊天日志消息：
// 📊 上下文已优化：将 15 条消息压缩为 8 条（减少 47%）
// 📊 归档搜索：找到 3 个相关片段（相似度 42%）
// 📊 动态上下文：过滤了 12 条低相关性消息

// 配置日志记录：
const pruner = createContextPruner({
  logToChat: true,
  chatLogLevel: 'brief', // 选项：'brief'、'detailed'、'none'
  chatLogFormat: '📊 {action}: {details}',

  // 自定义日志处理器（可选）
  onLog: (level, message, data) => {
    if (level === 'info' && data.action === 'compaction') {
      // 发送到聊天
      console.log(`🧠 上下文已优化：${message}`);
    }
  }
});

与 Clawdbot 集成

添加到你的 Clawdbot 配置：

skills:
  context-pruner:
    enabled: true
    config:
      contextLimit: 64000
      autoPrune: true

修剪器将自动监控上下文使用情况，并应用适当的修剪策略，以确保保持在 DeepSeek 的 64k 限制内。